《表3 不同模型检测结果对比》
为了进一步验证本文算法的有效性,对比了不同算法的检测时间和平均类别精度,实验结果如表3所示,本文算法通过特征金字塔(FPN)结构融合了上下文信息,增加了候选框的数量,同时使用非软化极大值抑制和Focal-loss,有效地降低了模型的漏检率,改进后的模型平均类别精度相对于YOLOV3模型提升了1.15%。改进后的模型检测单张图片所需时间为28.5ms,低于YOLOV3模型的42.3 ms。综合考虑,本文改进后的模型兼顾实时性和准确性,能够及时为高级辅助驾驶系统提供周围环境感知信息。
图表编号 | XD00162251100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.25 |
作者 | 李汉冰、徐春阳、胡超超 |
绘制单位 | 江苏大学汽车与交通工程学院、江苏大学汽车与交通工程学院、江苏大学汽车与交通工程学院 |
更多格式 | 高清、无水印(增值服务) |